Journal international d'intelligence d'essaim et de calcul évolutif

Abstrait

Approche efficace de surveillance des déversements de pétrole dans le golfe d'Oman à l'aide d'outils avancés d'apprentissage automatique et d'exploration de données

Aishah Saeed Jumah Alabdouli, Muhammed Sirajul Huda Kalathingal, Shaher Bano Mirza*, Fouad Lamghari Ridouane

Les déversements de pétrole ont un impact négatif sur l'environnement en mettant en danger les écosystèmes marins et les environs côtiers. Les dommages environnementaux causés par un déversement de pétrole par un pétrolier, un pipeline ou une plate-forme offshore peuvent être dévastateurs presque immédiatement et peuvent durer des décennies. Par conséquent, le but de cette étude est de détecter les déversements de pétrole dans le golfe d'Oman. Pour trouver les déversements de pétrole, des images spectrales Sentinel-2 sont utilisées. Sentinel-2 divise l'image en N grilles et utilise le rapport de bande Sentinel-2 pour cartographier les déversements de pétrole afin d'exécuter une segmentation d'instance à l'aide d'un Yolov7 pour réaliser la détection des déversements de pétrole en une seule étape. Dans notre expérience, le modèle de segmentation instantanée Yolov7 formé a pu produire des résultats d'intersection sur union exceptionnellement précis, identifiant correctement 91 % du déversement de pétrole réel. Ces résultats expliquent le potentiel de l'intelligence artificielle et l'impact significatif qui peut être acquis sur l'environnement.